Ciência dos Dados. Preparado por Intel Corporation Bruno Domingues Principal Architect. segunda-feira, 5 de agosto de 13
|
|
- Nathalie Casqueira Barroso
- 8 Há anos
- Visualizações:
Transcrição
1 Ciência dos Dados Preparado por Intel Corporation Bruno Domingues Principal Architect
2 Homem na Lua Software Data: kb, 2kb, RAM, Fortran Tem que funcionar! Apolo XI Velocidade: 3500km/h Peso: kg Extremamente Complexo Homem na Lua Distância: km Nunca feito antes Precisa retornar à Terra
3 Apolo XI, kb SkyDive Stratos, 2012 Dezenas de Gigabytes
4 Big Data não significa necessariamente volume de dados
5 O que é Big Data? Os n- Vs Volume Variedade Velocidade Outros Vs que queira incluir
6 Desafios Precisamos paralelizar as operações com os dados mas isso é muito complexo e caro... O negócio não consegue acessar os dados relevantes e o tempo todo precisa de dados externos... Não podemos tratar em tempo os dados dos clientes para melhor a interação com eles... Não dá para colocar todos os dados no modelo star-schema... Os relatórios de BI não dizem algo que já não se sabe... Não é mais possível processar os dados dentro da janela de ETL... Não é possível predizer com boa margem de certeza se não se pode explorar os dados e desenvolver os próprios modelos Big Data nos força a mudar a forma como coletamos, armazenamos, gerenciamos, analisamos e visualizamos dado
7 Entendendo por Analogia Pense em data como petróleo Big Data neste contexto é a extração do petróleo, transportar em tanques, bombear através dos oleodutos e armazená-los em silos Tudo isso é Big Data...
8 A Arte e a Ciência de Descobrir o que não sabemos dos dados Obter previsão, informação acionável dos dados Criar produto dos dados que possuem impacto nos negócios Comunicar histórias relevantes dos dados para o negócio Criar confiança nas decisões que criam valor ao negócio
9 O cientista de dados Cético Curioso Possui uma mente investigativa Conhece sobre máquinas de aprendizagem Estatística Probabilidade Métodos científicos aplicados Realiza experimentos Programador Conhece sobre infraestrutura Sabe como criar produtos dos dados Capaz de encontrar respostas para perguntas Conta histórias relevantes para a área de negócio Tem domínio da teoria do conhecimento
10 10 coisas que os cientista dos dados fazem 1. Faz boas perguntas. O que é que Nós não sabemos?... O que queremos saber? 2. Define e testa hipóteses, Executa experimentos 3. Minera, raspa, lava amostras de dados relevantes 4. Simula e massacra o dado... Doma os dados 5. Explora, brinca com dados de forma a descobrir o que não se sabe 6. Modela os dados e os algoritmos 7. Entende as relações entre os dados 8. Programa a máquina de aprendizado de dados 9. Cria produtos a partir dos dados que entregam informação acionável 10. Conta histórias relevantes sobre os dados
11 A caixa de ferramentas do cientísta de dados Java, R, Python... Hadoop, HDFS e MapReduce... Hbase, Pig e Hive... ETL, Webscrapers, Flume, Sqoop... SQL, SGDB, DW, OLAP Knime, Weka, RapidMiner... D3.js, Gephi, ggplot2, Tableu, Flare, Shiny... SPSS, Matlab, SAS... NoSQL, Mongo DB, Couchbase, Cassandra... Microsoft Excel (acredite, realmente importante!)
12 Alguns princípios da Ciência dos Dados 1. Sistemas Sócio-Ténicos (STS) são complexos 2. Dados nunca descansam 3. Dado é sujo, lide com ele 4. Minerar e Lavar os dados tomam mais de 70% do tempo 5. Simplificação, Redução e Destilação 6. Curiosidade, Empirismo e Ceticismo
13 D I C E S Dado Informação Conheciment o Passado Entendiment o Sabedoria Futuro Eng. de Dados Analista de Minerador de Cientista de Dados Dados Dados Cru O que Como Porque Quando Números Descrição Experiência Causa e Efeito Predição Cartas Contexto Testado Provado O que é o melhor Símbolos Relacionamento Instruções Conhecer o que Conhecer o que não se sabe nem é Sinais Relatórios Programas Modelos perguntado
14 Modelo de Dados vs. Modelo de Algoritmo Modelagem de Dados Modelagem de Algoritmos Nós entendemos o mundo O quanto modelo de dados funciona Estatística, analise dados, mineração Regressão Linear Regressão Logística Distribuições conhecidas Intervalos de confiança Variáveis de predição Não entendemos o mundo O dados são uma caixa-preta Cientista dos Dados Máquina de aprendizado, IA, Rede Neural Interativo Acurácia Preditiva Florestas Aleatórias, SVM, GBT Distribuições de Múltiplas variáveis desconhecidas Variáveis de predição
15 Aprendizado pelos Dados têm seus segredos Estatístico vs. Máquina de Aprendizado Supervisionado vs. Aprendizado não assistido Indução vs. Dedução Amostragem e Intervalos de confiança Probabilidade e Distribuição Derivação e Variância Correlação vs. Casualidade Casualidade e Predição
16 Obrigado!
BIG DATA INTRODUÇÃO. Humberto Sandmann humberto.sandmann@gmail.com
BIG DATA INTRODUÇÃO Humberto Sandmann humberto.sandmann@gmail.com Apresentação Humberto Sandmann humberto.sandmann@gmail.com Possui graduação em Ciências da Computação pelo Centro Universitário da Faculdade
Leia maisMBA Analytics em Big Data
MBA Analytics em Big Data Inscrições Abertas Início das Aulas: 04/06/2015 Dias e horários das aulas: Segunda-Feira 19h00 às 23h00 Semanal Sexta-Feira 19h00 às 23h00 Semanal Carga horária: 600 Horas Duração:
Leia maisO que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.
O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar
Leia maisContexto de Big Data, Ciência de Dados e KDD
Contexto de Big Data, Ciência de Dados e KDD Fabrício J. Barth! Disciplina de Modelagem Descritiva e Preditiva! Pós-Graduação em Big Data e Analytics 100 10 quantidade de informações Sempre houve:!! Produção
Leia maisAnálises Preditivas com uso do BIG DATA. Um estudo de caso
Análises Preditivas com uso do BIG DATA Um estudo de caso BIG DATA Conceitualmente um ambiente de infinitas possibilidades O que sabemos é uma gota, o que ignoramos é um oceano (Isaac Newton) BIG DATA
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maisBIG DATA E ESTRATÉGIA. 19 de junho de 2015. Universidade Federal do Rio de Janeiro. Redes de Computadores I. Adriana, Evandro e Fernanda.
nas & Redes de BIG DATA E ESTRATÉGIA Universidade Federal do Rio de Janeiro 19 de junho de 2015 nas & 1 2 3 nas & 4 Sumário 5 6 nas & Apresentação Escolha do tema Resumo do trabalho (fonte) nas & O que
Leia maisModelagens e Gerenciamento de riscos (Simulação Monte Carlo)
Modelagens e Gerenciamento de riscos (Simulação Monte Carlo) Prof. Esp. João Carlos Hipólito e-mail: jchbn@hotmail.com Sobre o professor: Contador; Professor da Faculdade de Ciências Aplicadas e Sociais
Leia maisProfs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz
Laboratório de Dependabilidade e Segurança Lades Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz RENASIC/CD-CIBER CD Ciber CTC - Comitê Técnico Científico RENASIC CD Comitê Diretor ASTECA VIRTUS
Leia maisFLUXO DE CAIXA: Módulo BI (Business Intelligence)
RELATÓRIO DE ESTÁGIO: Tânia Cristina Leite RA: 046567 Orientador: Prof. Dr. Aurelio Ribeiro Leite de Oliveira FLUXO DE CAIXA: Módulo BI (Business Intelligence) Universidade Estadual de Campinas Instituto
Leia maisExtração de Árvores de Decisão com a Ferramenta de Data Mining Weka
Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de
Leia maisLaudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1
Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 SISTEMA DE APOIO À DECISÃO Grupo: Denilson Neves Diego Antônio Nelson Santiago Sabrina Dantas CONCEITO É UM SISTEMA QUE AUXILIA O PROCESSO DE DECISÃO
Leia maisInteligência de Negócio. Brian Cowhig
Inteligência de Negócio Brian Cowhig Inteligência de Negócio O Que é Inteligência de Negócio? Três Níveis de Inteligência de Negócio Database Query OLAP Data Mining Produtos de Inteligência de Negócio
Leia maisIdentificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de
1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever
Leia maisAnálise de Sistemas. Visão Geral: Orientação a Objetos. Prof. José Honorato Ferreira Nunes honorato.nunes@bonfim.ifbaiano.edu.br
Análise de Sistemas Visão Geral: Orientação a Objetos Prof. José Honorato Ferreira Nunes Prof. José Honorato Ferreira Nunes honorato.nunes@bonfim.ifbaiano.edu.br Resumo: VISÃO GERAL: Modelagem de sistemas
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisJohn Locke (1632-1704) Colégio Anglo de Sete Lagoas - Professor: Ronaldo - (31) 2106-1750
John Locke (1632-1704) Biografia Estudou na Westminster School; Na Universidade de Oxford obteve o diploma de médico; Entre 1675 e 1679 esteve na França onde estudou Descartes (1596-1650); Na Holanda escreveu
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisSAD orientado a MODELO
Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a MODELO DISCIPLINA: Sistemas de Apoio a Decisão SAD Orientado a Modelo De acordo com ALTER
Leia maisNOKIA. Em destaque LEE FEINBERG
Em destaque NOKIA LEE FEINBERG A Nokia é líder mundial no fornecimento de telefones celulares, redes de telecomunicações e serviços relacionados para clientes. Como Gerente Sênior de Planejamento de Decisões
Leia maisExtração de Requisitos
Extração de Requisitos Extração de requisitos é o processo de transformação das idéias que estão na mente dos usuários (a entrada) em um documento formal (saída). Pode se entender também como o processo
Leia maisInstituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015. Big Data Analytics:
Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015 Big Data Analytics: Como melhorar a experiência do seu cliente Anderson Adriano de Freitas RESUMO
Leia maisInformática Aplicada à Engenharia Florestal
Informática Aplicada à Engenharia Florestal Computação Científica Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Computação Científica Conceito Computação Científica
Leia maisFormas de Aumentar a Lucratividade da Sua Empresa com o Big Data
9 Formas de Aumentar a Lucratividade da Sua Empresa com o Big Data Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Sua empresa sabe interpretar os dados que coleta? Para aumentar
Leia maisA Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
Leia maisEvolução dos modelos de risco do sistema financeiro nacional
Evolução dos modelos de risco do sistema financeiro nacional O avanço da modelagem de risco de empresas nova técnica com uma nova necessidade de processamento no ambiente Big Data julio.guedes@br.experian.com
Leia maisSistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house
Universidade Regional de Blumenau Centro de Ciências Exatas e Naturais Curso de Sistemas de Informação (Bacharelado) Sistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisDATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot
Leia maisFTAD Formação Técnica em Administração. Aula 07 - ACI Prof. Arlindo Neto
FTAD Formação Técnica em Administração Aula 07 - ACI Prof. Arlindo Neto COMPETÊNCIAS QUE TRABALHAREMOS NESTE MÓDULO Conhecer os passos para implantação de um sistema de gestão empresarial ERP e SIG SIG
Leia maisO JOGO E A APRENDIZAGEM
O JOGO E A APRENDIZAGEM O JOGO E A APRENDIZAGEM Enquanto brinca, a criança amplia a sua capacidade corporal, sua consciência do outro, a percepção de si mesmo como um ser social e a percepção do espaço
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisDr. Ronaldo Pilati - Psicologia Social - Universidade de Brasília 1
Métodos de Pesquisa em Psicologia Social Psicologia Social como Ciência Empírica Universidade de Brasília 1 Método Científico O que é o método científico? A produção do conhecimento em ciência está associada
Leia maisPrograma do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI)
Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Apresentação O programa de Pós-graduação Lato Sensu em Business Intelligence Inteligência Competitiva tem por fornecer conhecimento
Leia maisSÍNTESE PROJETO PEDAGÓGICO. Missão. Objetivo Geral
Curso: ENGENHARIA ELÉTRICA SÍNTESE PROJETO PEDAGÓGICO Missão O Curso de Engenharia Elétrica da Universidade Estácio de Sá tem por missão formar engenheiros com sólidos e atualizados conhecimentos científicos
Leia maisCOMUNICAÇÃO NA ERA DO BIG DATA
COMUNICAÇÃO NA ERA DO BIG DATA Sorria, você está sendo monitorado Numa sociedade em que praticamente tudo é digital, nossos passos podem e são rastreados, monitorados, compilados e analisados para fins,
Leia maisData Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento
Data Mining Prof Luiz Antonio do Nascimento Data Mining Ferramenta utilizada para análise de dados para gerar, automaticamente, uma hipótese sobre padrões e anomalias identificadas para poder prever um
Leia maisFigura 1: Componentes do Kepler
Modelagem do Workflow Científico no Kepler Modelagem do workflow de simulação científica do trabalho: Uma abordagem para gerência de projetos de experimentos científicos. Em referencia à explicação detalhada
Leia maisBusiness Intelligence para Computação TítuloForense. Tiago Schettini Batista
Business Intelligence para Computação TítuloForense Tiago Schettini Batista Agenda Empresa; Crescimento de Dados; Business Intelligence; Exemplos (CGU, B2T) A empresa Empresa fundada em 2003 especializada
Leia maisIntrodução A Engenharia Da Computação
Introdução A Engenharia Da Computação AULA I Slide 1 O Que é Engenharia? [De engenho + -aria.] Substantivo feminino 1.Arte de aplicar conhecimentos científicos e empíricos e certas habilitações específicas
Leia maisAULA COM O SOFTWARE GRAPHMATICA PARA AUXILIAR NO ENSINO E APRENDIZAGEM DOS ALUNOS
AULA COM O SOFTWARE GRAPHMATICA PARA AUXILIAR NO ENSINO E APRENDIZAGEM DOS ALUNOS Tecnologias da Informação e Comunicação e Educação Matemática (TICEM) GT 06 Manoel Luiz de Souza JÚNIOR Universidade Estadual
Leia maisProjeto de Sistemas I
Instituto Federal de Educação, Ciência e Tecnologia de São Paulo Projeto de Sistemas I Professora: Kelly de Paula Cunha E-mail:kellypcsoares@ifsp.edu.br Requisitos: base para todo projeto, definindo o
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia mais10 DICAS DE TECNOLOGIA PARA AUMENTAR SUA PRODUTIVIDADE NO TRABALHO
10 DICAS DE TECNOLOGIA PARA AUMENTAR SUA PRODUTIVIDADE NO TRABALHO UMA DAS GRANDES FUNÇÕES DA TECNOLOGIA É A DE FACILITAR A VIDA DO HOMEM, SEJA NA VIDA PESSOAL OU CORPORATIVA. ATRAVÉS DELA, ELE CONSEGUE
Leia maisUNOESTE - Universidade do Oeste Paulista F I P P - Faculdade de Informática de Presidente Prudente
1º TERMO NOTURNO - 2009 31/03/09 3ª feira 20:50 h A ADMINISTRAÇÃO 01/04/09 4ª feira 19:00 h A1/A2 INTRODUÇÃO A COMPUTAÇÃO 02/04/09 5ª feira 19:00 h A1 LABORATÓRIO DE INFORMÁTICA I 02/04/09 5ª feira 20:50
Leia maisCopyright 2012 EMC Corporation. Todos os direitos reservados.
1 A INFRAESTRUTURA DO FUTURO, HOJE Integrando Greenplum DCA e SAS para permitir estudos analíticos em big data Rafael Aielo Technology Consultant 2 O que é Greenplum? Adquirida pela EMC em julho de 2010
Leia maisMetrixND. especificações. MetrixND - Ferramenta de previsão de energia elétrica
MetrixND especificações MetrixND - Ferramenta de previsão de energia elétrica Visão geral O MetrixND da Itron é uma ferramenta de modelagem flexível, bastante usada pelos principais serviços de previsão
Leia maisFerramentas Livres de Armazenamento e Mineração de Dados
Ferramentas Livres de Armazenamento e Mineração de Dados JasperBI, Pentaho, Weka 09/2009 Eng. Pablo Jorge Madril pmadril@summa.com.br Summa Technologies www.summa.com.br Eng. Pablo Jorge Madril pmadril@summa.com.br
Leia maisApresenta. SofStore o mais novo aliado no gerenciamento do seu negócio
Apresenta SofStore o mais novo aliado no gerenciamento do seu negócio SofStore Um Novo Sistema Para Sua Empresa SofStore Apresentação Experiência no Varejo A ID Brasil Sistemas atua no segmento de varejo
Leia maisModelagem e Simulação
AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.
Leia maisLinguagens de. Aula 01. Profa Cristiane Koehler cristiane.koehler@canoas.ifrs.edu.br
Linguagens de III Aula 01 Profa Cristiane Koehler cristiane.koehler@canoas.ifrs.edu.br Linguagens de III Horário das Aulas: 6as feiras das 7h40 às 10h55 Objetivo principal desta disciplina é: utilizar
Leia maisBig Data : uma conversa franca sobre resultados empresariais
Big Data : uma conversa franca sobre resultados empresariais Cláudio Lúcio www.a3data.com.br 1 Conversa franca Quais características de uma conversa franca? 30% 50% Planejar Sem rodeios Pense antes de
Leia maisProf. Raul Sidnei Wazlawick UFSC-CTC-INE. Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010.
Casos de Uso de Alto Nível Prof. Raul Sidnei Wazlawick UFSC-CTC-INE 2010 Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010. Contexto Na fase de concepção
Leia maisAvaliação de Desempenho de Sistemas
Avaliação de Desempenho de Sistemas Introdução a Avaliação de Desempenho de Sistemas Prof. Othon M. N. Batista othonb@yahoo.com Roteiro Definição de Sistema Exemplo de Sistema: Agência Bancária Questões
Leia maisArcGIS 1: Introdução ao GIS (10.2)
ArcGIS 1: Introdução ao GIS (10.2) Duração: 02 dias (16 horas) Versão do ArcGIS: 10.2 Material didático: Português Descrição Este treinamento ensina o que é o GIS e o que você pode realizar com ele. Trabalhando
Leia maisExtração de Conhecimento & Mineração de Dados
Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática
Leia maisInformativo Bimestral da Siqueira Campos Associados agosto de 2013 - ano VII - Número 21. Catálogo de Treinamentos 2013
Informativo Bimestral da Siqueira Campos Associados agosto de 2013 - ano VII - Número 21 Nesta edição Lean Office - Dez dicas para economizar tempo no trabalho Estatística Seis Sigma - Estatística não
Leia maisInteligência Artificial
Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas
Leia maisRESUMO DA SOLUÇÃO CA ERwin Modeling. Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios?
RESUMO DA SOLUÇÃO CA ERwin Modeling Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios? O CA ERwin Modeling fornece uma visão centralizada das principais definições de
Leia maisPLANO DE ENSINO PRÉ-REQUISITOS: ENS
UNIVERSIDADE DO ESTADO DE SANTA CATARINA UDESC CENTRO DE EDUCAÇÃO SUPERIOR DO ALTO VALE DO ITAJAÍ CEAVI PLANO DE ENSINO DEPARTAMENTO: DSI Departamento de Sistema de Informação DISCIPLINA: Data Warehouse
Leia maisPrincípios de Engenharia de Software 2004-1. Resumo 1 Semana 1 Versão 1.0 Data:11/03/2004
Princípios de Engenharia de Software 2004-1 Resumo 1 Semana 1 Versão 1.0 Data:11/03/2004 Alunos : Thoran Araguez Rodrigues; Bruno Schroeder; Bruno; Daniel Chicre; Walter H. Grupo : Fellowship of the Software
Leia maisAula 7 Componentes de um Sistema de Informação Recursos e Atividades
Aula 7 Componentes de um Sistema de Informação Recursos e Atividades Curso: Gestão de TI - UNIP Disciplina: Sistemas de Informação Professor: Shie Yoen Fang Ementa: Item 11 e Item 12 2ª semestre de 2011
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 02 Agentes Inteligentes Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de
Leia maisPRIMAVERA RISK ANALYSIS
PRIMAVERA RISK ANALYSIS PRINCIPAIS RECURSOS Guia de análise de risco Verificação de programação Risco rápido em modelo Assistente de registro de riscos Registro de riscos Análise de riscos PRINCIPAIS BENEFÍCIOS
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisPROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ
PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ Renan Felipe dos Santos Prof. Alexander Roberto Valdameri,Orientador ROTEIRO
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia maisENGENHARIA DE COMPUTAÇÃO
ENGENHARIA DE COMPUTAÇÃO 2009 1 Resumo do Curso Disciplinas N. de Créditos Carga horária Disciplinas Obrigatórias Disciplinas do CB/CTC 74 1.200 Obrigatórias da Engenharia 35 765 Obrigatórias do Curso
Leia maisMANUAL PARA PAIS E RESPONSÁVEIS SOBRE COMO LIDAR COM O "BULLYING/IJIME"
MANUAL PARA PAIS E RESPONSÁVEIS SOBRE COMO LIDAR COM O "BULLYING/IJIME" Consulado Geral do Brasil em Tóquio 2014 1. DEFINIÇÃO DE "IJIME" A expressão japonesa "ijime" significa maltrato. Já a expressão
Leia maisCase Vital Automação. Planejamento e Execução OLIV Consultoria: 47 9942 8985
O cenário inicial: Após 10 anos de sucesso e contínuo crescimento, o Grupo Vital composto das duas unidades de negócio EPIs e AUTOMAÇÃO decidiu estrategicamente trabalhar o Marketing no segmento Automação
Leia maisBig Data e Análise de Dados: Tendências e Aplicações em Projetos. Marcus Borba. Apresentação
Big Data e Análise de Dados: Tendências e Aplicações em Projetos Marcus Borba 1 Apresentação Marcus Borba CTO - Spark Strategic Business Solution. 30 anos de experiência em tecnologia da informação.. 14
Leia maisPós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining
Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00
Leia maisMESTRADO EM PESQUISA DE MERCADOS 2006 2007
MESTRADO EM PESQUISA DE MERCADOS 2006 2007 PROGRAMA DAS DISCIPLINAS 1 1º trimestre PESQUISA DE MERCADOS Objectivos Pretende-se que os alunos: (a) adquiram os conceitos e semântica próprios do tema, (b)
Leia mais)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR
6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,
Leia maisRedes Complexas Aula 2
Redes Complexas Aula 2 Aula passada Logística, regras Introdução e motivação Aula de hoje Redes sociais Descobrimento Características Redes Sociais Vértices: pessoas ou grupo de pessoas Arestas: algum
Leia maisProjeto 6.12 Aplicação de Data Mining a Dados de Avaliação da Qualidade de Produtos de Software
Programa Brasileiro de Qualidade e Produtividade Projeto 6.12 Aplicação de Data Mining a Dados de Avaliação da Qualidade de Produtos de Software Maria Teresa Villalobos Newton Roy Pampa Quispe Regina Maria
Leia maisCURSO DE INFORMÁTICA LICENCIATURA 1 PERÍODO
CURSO DE INFORMÁTICA LICENCIATURA 1 PERÍODO DISCIPLINA: Metodologia Científica H111900 Finalidade da metodologia científica. Importância da metodologia no âmbito das ciências. Metodologia de estudos. O
Leia maisMATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)
AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)
Leia maisInteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento
Inteligência Empresarial Prof. Luiz A. Nascimento BI Pode-se traduzir informalmente Business Intelligence como o uso de sistemas inteligentes em negócios. É uma forma de agregar a inteligência humana à
Leia maisGerência de Projetos. Aula 07. Prof. Gladimir Ceroni Catarino gladimir@gmail.com
Gerência de Projetos Aula 07 Prof. Gladimir Ceroni Catarino gladimir@gmail.com SERVIÇO NACIONAL DE APRENDIZAGEM COMERCIAL FACULDADE DE TECNOLOGIA SENAC PELOTAS Gerenciamento do Tempo o Tempo gasto é tempo
Leia maisGerenciamento de Dados e Gestão do Conhecimento
ELC1075 Introdução a Sistemas de Informação Gerenciamento de Dados e Gestão do Conhecimento Raul Ceretta Nunes CSI/UFSM Introdução Gerenciando dados A abordagem de banco de dados Sistemas de gerenciamento
Leia maisFACULDADE PITÁGORAS DISCIPLINA: SISTEMAS DE INFORMAÇÃO
FACULDADE PITÁGORAS DISCIPLINA: SISTEMAS DE INFORMAÇÃO Prof. Ms. Carlos José Giudice dos Santos carlos@oficinadapesquisa.com.br www.oficinadapesquisa.com.br Estrutura de um Sistema de Informação Vimos
Leia maisNE-16 Instação e Configuração do GeoSan. eng. José Maria Villac Pinheiro
NE-16 Instação e Configuração do GeoSan eng. José Maria Villac Pinheiro Apresentação da NEXUS Objetivos da capacitação Conteúdo Aula 1 Teoria das 16 às 17h - segunda Aula 2 Teoria das 16 às 17h - quarta
Leia maisIntrodução aos Bancos de Dados Não-Relacionais. Mauricio De Diana (mestrando) Marco Aurélio Gerosa (orientador)
Introdução aos Bancos de Dados Não-Relacionais Mauricio De Diana (mestrando) Marco Aurélio Gerosa (orientador) Conteúdo Histórico de BDs não-relacionais na Web 4 Categorias de bancos NoSQL Exemplos de
Leia maisData Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II
Data Warehouse Diogo Matos da Silva 1 1 Departamento de Computação Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil Banco de Dados II Diogo Matos (DECOM - UFOP) Banco de Dados II Jun 2013 1 /
Leia maisTECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres
TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres Aula FAZENDO BI NO EXCEL FUNÇÕES ESTATÍTICAS DE TENDÊNCIA LINEAR E DE CRESCIMENTO Vocês já tiveram aulas de estatística,
Leia maisManual do usuário. Mobile Auto Download
Manual do usuário Mobile Auto Download Mobile Auto Download Parabéns, você acaba de adquirir um produto com a qualidade e segurança Intelbras. Este manual serve como referência para a sua instalação e
Leia maisO CONCEITO DE TDD NO DESENVOLVIMENTO DE SOFTWARE
O CONCEITO DE TDD NO DESENVOLVIMENTO DE SOFTWARE Renan Leme Nazário, Ricardo Rufino Universidade Paranaense (Unipar) Paranavaí PR - Brasil renazariorln@gmail.com, ricardo@unipar.br Resumo. Este artigo
Leia maisTERMO DE REFERÊNCIA Nº 4031 PARA CONTRATAÇÃO DE PESSOA FÍSICA PROCESSO DE SELEÇÃO - EDITAL Nº
Impresso por: RAFAEL DE SOUZA RODRIGUES DOS SANTOS Data da impressão: 10/08/015-14:4:5 SIGOEI - Sistema de Informações Gerenciais da OEI TERMO DE REFERÊNCIA Nº 401 PARA CONTRATAÇÃO DE PESSOA FÍSICA PROCESSO
Leia maisPrática e Gerenciamento de Projetos
Universidade de São Paulo Escola de Artes, Ciências e Humanidades Prática e Gerenciamento de Projetos Gerenciamento de Custos do Projeto Equipe: Jhonas P. dos Reis Marcelo Marciano Mário Januário Filho
Leia maisPÓS-GRADUAÇÃO ANÁLISE DE BIG DATA
PÓS-GRADUAÇÃO ANÁLISE DE BIG DATA OBJETIVOS Este curso tem como objetivo principal apresentar de forma clara, objetiva e com aplicações reais como as metodologias de Big Data, Inteligência Artificial e
Leia maisIntrodução aos Sistemas de Informação Geográfica
Introdução aos Sistemas de Informação Geográfica Mestrado Profissionalizante 2015 Karla Donato Fook karladf@ifma.edu.br IFMA / DAI Análise Espacial 2 1 Distribuição Espacial A compreensão da distribuição
Leia maisSimulação Computacional de Sistemas, ou simplesmente Simulação
Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.
Leia maisPreparação para a Certificação de Engenheiro da Qualidade 1
Preparação para a Certificação de Engenheiro da Qualidade 1 OBJETIVOS DO CURSO Apresentar aos participantes os conteúdos do Corpo de Conhecimento necessários à certificação, possibilitando que aprimorem
Leia maisMIT CDOIQ Symposium 2014. Os temas mais abordados
IV Conferência Internacional em Qualidade da Informação MIT CDOIQ Symposium 2014 Os temas mais abordados Evolução MIT Information Quality Program Pesquisa, Ensino, Publicações, Conferências, Certificação
Leia maisCURSO SUPERIOR DE TECNOLOGIA EM LOGÍSTICA MODALIDADE A DISTÂNCIA - INGRESSANTES 1º SEM 2010
Módulo Desenvolvimento Pessoal CURSO SUPERIOR DE TECNOLOGIA EM LOGÍSTICA MODALIDADE A DISTÂNCIA - INGRESSANTES 1º SEM 2010 06 de fevereiro de 2010 sábado- Das 9 às 13 Palestra:Orientações sobre Projeto
Leia maisConceitos Iniciais Parte 1
Módulo SIMULAÇÃO Conceitos Iniciais Parte O que pode ser simulado? Sistema de manufatura com máquinas, pessoas, rede de transporte, correias transportadoras e espaço para armazenamento; Agências bancárias
Leia maisUniversidade Federal de Santa Maria UFSM Centro de Tecnologia CT. Power Point. Básico
Universidade Federal de Santa Maria UFSM Centro de Tecnologia CT Power Point Básico Santa Maria, julho de 2006 O Power Point é um aplicativo do Microsoft Office direcionado à criação de apresentações.
Leia maisProfessor: Disciplina:
Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais
Leia mais